CN105488535A - 一种三维点云匹配方法 - Google Patents

一种三维点云匹配方法 Download PDF

Info

Publication number
CN105488535A
CN105488535A CN201510889575.8A CN201510889575A CN105488535A CN 105488535 A CN105488535 A CN 105488535A CN 201510889575 A CN201510889575 A CN 201510889575A CN 105488535 A CN105488535 A CN 105488535A
Authority
CN
China
Prior art keywords
dimensional point
point cloud
matrix
sigma
matching
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510889575.8A
Other languages
English (en)
Other versions
CN105488535B (zh
Inventor
乔付
周波
刘忠艳
车向前
边莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan Tropical Ocean University
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201510889575.8A priority Critical patent/CN105488535B/zh
Publication of CN105488535A publication Critical patent/CN105488535A/zh
Application granted granted Critical
Publication of CN105488535B publication Critical patent/CN105488535B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757Matching configurations of points or features

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明公布了一种三维点云匹配方法。在逆向工程、人脸识别和现代制造业中,解决通过光栅投影到物体表面由摄像机获得物体两组三维点云的对应匹配问题。将两组三维点云输入到目标函数中,将目标函数中的对应矩阵进行归一化处理,再将目标函数中的旋转和平移用对偶数表示形成新的目标函数,然后通过对该新目标函数进行最小化目标,找到点云之间的对应矩阵,即完成三维点云的匹配,使用该方法能够提高三维点云匹配的准确率。

Description

一种三维点云匹配方法
技术领域
本发明涉及计算机视觉和模式识别领域,特指数字图像处理中三维点云匹配。
背景技术
三维点云匹配是研制视觉三维测量系统的第一关键技术步骤,点云匹配配准可以为后续的三维重构提供精确的匹配,提高视觉三维测量的精度,用于开发实用的三维测量系统。一方面是用于逆向工程等工业生产的漫反射表面的准静态测量三维测量系统,另一方面是用于人脸等生活中的准静态三维测量系统,还可以开发多种复杂零部件测量专用设备,达到降低成本,提升制造业水平的目标。因此,找到一种三维点云匹配准确率高的方法,成为当前该研究领域急待解决的问题。
发明内容
本发明的目的在于:提供一种仿射变换下三维点云匹配的新方法,在逆向工程、人脸识别和现代制造业中,解决通过光栅投影到物体表面由摄像机获得物体两组三维点云的对应匹配问题。该发明的技术方案如下:通过光栅投影到物体表面,由摄像机拍摄获得物体的两组三维点云{Xj}和{Yk},第一组三维点云{Xj}在坐标系X′Y′Z′下,具体表示为(x′(j),y′(j),z′(j)),第二组三维点云{Yk}在坐标系X″Y″Z″下,具体表示为(x″(k),y″(k),z″(k)),其中j,k均为正整数,由于光栅投影和摄像机拍摄时受到噪声的影响,使得三维点云{Xj}与三维点云{Yk}中对应点的位置发生了变化,即三维点云{Xj}到三维点云{Yk}中点的位置对应关系发生了变化,这个变化是由平移、尺度、旋转和变形产生的;将三维点云{Xj}与三维点云{Yk}输入到下面的目标函数式(1)中:
在式(1)中,E3D(m,T,A)表示关于变量m,T,A的期望值;T=[tx,ty,tz]i是平移矩阵,tx、ty、tz分别表示在x轴、y轴、z轴上的平移,i表示矩阵的转置,tx、ty、tz的值来源于均匀分布U[2.5,7.5],表示旋转,rx、ry、rz分别表示在x轴、y轴、z轴上的旋转,其值来源于均匀分布U[20,70];α与匹配目标有关的参数,其取值为0.2≤α≤0.5;是一个从三维点云{Xj}到三维点云{Yk}的对应矩阵,矩阵m的行不等式约束为矩阵m的列不等式约束为
式(1)中的旋转和平移写成如下形式:
利用对偶数的性质将式(1)中的旋转和平移可以分别记作:
R=(r4 2-(rx,ry,rz)i(rx,ry,rz))I
+2(rx,ry,rz)(rx,ry,rz)i+2r4K(rx,ry,rz)
其中,I表示单位矩阵,表示变形。
进一步,将旋转和平移写成如下形式:
R=W(r)iQ(r),T=W(r)is
其中, d为坐标系X′Y′Z′和X″Y″Z″的原点在世界坐标系下的距离,n为旋转轴的单位方向向量,θ为点{Xj}在沿着向量n的旋转角度。
因此,将目标函数式(1)写成下式:
式(2)中,xj=(Xj,0)i,yk=(Yk,0)i分别表示式(1)中的点Xj和Yk;利用矩阵变换的性质,目标函数式(2)写成下式:
E3D=riC1r+siC2s+siC3r+λ1(rir-1)+λ2(sir)(3)
其中: λ1,λ2为拉格朗日乘数。
式(3)中的对应矩阵mjk有三种取值:第一种,mjk=1,表示三维点云{Xj}中的一个点与三维点云{Yk}中最多只有1个点是完全匹配;第二种,0<mjk<1,表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是部分匹配;第三种,mjk=0,表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是空匹配。
目标函数式(3)的对应矩阵m中每个mjk值的过程如下:
步骤一:通过对矩阵m进行初始化;
步骤二:对目标函数式(3)中的矩阵m进行归一化处理,得到新的矩阵m;
步骤三:将步骤二中得到的新的矩阵m代入到目标函数式(3)中,对目标函数式(3)中的参数r、s、λ1和λ2求偏导数,得到r、s、λ1和λ2的新值,并将r、s、λ1和λ2的新值代入到目标函数式(3)中;
步骤四:重复进行步骤二~步骤三,直到对应矩阵m中的元素mjk=1或mjk=0,即此时对应矩阵m中只有完全匹配和空匹配,已经没有了部分匹配;因此,对应矩阵m完成了两组三维点云的匹配。
使用该三维点云匹配方法能够提高三维点云的匹配准确率,在此通过实验验证,将通过摄像机获得物体的两幅三维点云图像,分别使用该三维点云匹配方法和现有的特征点匹配方法进行匹配,比较两个方法的点云匹配准确率,如附图1所示。
本发明相对于现有技术的有益效果是:使用本发明提供的三维点云匹配方法,解决逆向工程、人脸识别和现代制造业中,通过光栅投影获得物体两组三维点云的对应匹配问题,在三维点云匹配的准确率上,该三维点云匹配方法要好于特征点三维点云匹配方法。
附图说明
图1表示比较该三维点云匹配方法和现有的特征点匹配方法的三维点云匹配准确率示意图。
具体实施方式
通过光栅投影到物体表面,由摄像机拍摄获得物体的两组三维点云{Xj}和{Yk},第一组三维点云{Xj}在坐标系X′Y′Z′下,具体表示为(x′(j),y′(j),z′(j)),第二组三维点云{Yk}在坐标系X″Y″Z″下,具体表示为(x″(k),y″(k),z″(k)),其中j,k均为正整数,由于光栅投影和摄像机拍摄时受到噪声的影响,使得三维点云{Xj}与三维点云{Yk}中对应点的位置发生了变化,即三维点云{Xj}到三维点云{Yk}中点的位置对应关系发生了变化,这个变化是由平移、尺度、旋转和变形产生的;将三维点云{Xj}与三维点云{Yk}输入到下面的目标函数式(1)中:
在式(1)中,E3D(m,T,A)表示关于变量m,T,A的期望值;T=[tx,ty,tz]i是平移矩阵,tx、ty、tz分别表示在x轴、y轴、z轴上的平移,i表示矩阵的转置,tx、ty、tz的值来源于均匀分布U[2.5,7.5],表示旋转,rx、ry、rz分别表示在x轴、y轴、z轴上的旋转,其值来源于均匀分布U[20,70];α与匹配目标有关的参数,其取值为0.2≤α≤0.5;是一个从三维点云{Xj}到三维点云{Yk}的对应矩阵,矩阵m的行不等式约束为矩阵m的列不等式约束为
式(1)中的旋转和平移写成如下形式:
利用对偶数的性质将式(1)中的旋转和平移可以分别记作:
R=(r4 2-(rx,ry,rz)i(rx,ry,rz))I
+2(rx,ry,rz)(rx,ry,rz)i+2r4K(rx,ry,rz)
其中,I表示单位矩阵,表示变形。
进一步,将旋转和平移写成如下形式:
R=W(r)iQ(r),T=W(r)is
其中, d为坐标系X′Y′Z′和X″Y″Z″的原点在世界坐标系下的距离,n为旋转轴的单位方向向量,θ为点{Xj}在沿着向量n的旋转角度。
因此,将目标函数式(1)写成下式:
式(2)中,xj=(Xj,0)i,yk=(Yk,0)i分别表示式(1)中的点Xj和Yk;利用矩阵变换的性质,目标函数式(2)写成下式:
E3D=riC1r+siC2s+siC3r+λ1(rir-1)+λ2(sir)(3)
其中: λ1,λ2为拉格朗日乘数。
式(3)中的对应矩阵mjk有三种取值:第一种,mjk=1,表示三维点云{Xj}中的一个点与三维点云{Yk}中最多只有1个点是完全匹配;第二种,0<mjk<1,表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是部分匹配;第三种,mjk=0,表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是空匹配。
目标函数式(3)的对应矩阵m中每个mjk值的过程如下:
步骤一:按照均匀分布U[2.5,7.5]给定T=(tx,ty,tz)的值,按照均匀分布U[20,70]给定R的值,再使用对矩阵m进行初始化。
步骤二:对目标函数式(3)中的矩阵m分别按照行和列进行归一化处理得到新的矩阵m。
步骤三:将步骤二中得到的新的矩阵m代入到目标函数式(3)中,对目标函数式(3)中的参数r、s、λ1和λ2求偏导数,得到如下方程组(4):
这是关于参数r、s、λ1和λ2的方程组,解该方程组(4)得到r、s、λ1和λ2的新值,将r、s、λ1和λ2的新值代入到目标函数式(3)中。
(四)重复进行步骤二~步骤三,直到对应矩阵m中的元素mjk=1或mjk=0,即此时对应矩阵m中只有完全匹配和空匹配,已经没有了部分匹配。具体解释为:如果m11=1,则表示三维点云{Xj}中的点X1与三维点云{Yk}中的点Y1是完全匹配,如果m11=0,则表示三维点云{Xj}中的点X1与三维点云{Yk}中的点Y1是空匹配,因此,对应矩阵m完成了两组三维点云的匹配。
从附图1可以看出,两种方法在三维点云匹配上,都是随着三维点云数目的增加,而使得三维点云的匹配准确率降低,但是,该三维点云匹配方法的点云匹配准确率始终要高于使用特征点匹配方法的点云匹配准确率。
以上所述,仅为本发明的较佳的具体实现方式,但本发明的保护范围不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化和替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围对象为准。

Claims (3)

1.一种三维点云匹配方法,其特征在于:该方法具体为:
通过光栅投影到物体表面,由摄像机拍摄获得物体的两组三维点云{Xj}和{Yk},第一组三维点云{Xj}在坐标系X′Y′Z′下,具体表示为(x′(j),y′(j),z′(j)),第二组三维点云{Yk}在坐标系X″Y″Z″下,具体表示为(x″(k),y″(k),z″(k)),其中j,k均为正整数,由于光栅投影和摄像机拍摄时受到噪声的影响,使得三维点云{Xj}与三维点云{Yk}中对应点的位置发生了变化,即三维点云{Xj}到三维点云{Yk}中点的位置对应关系发生了变化,这个变化是由平移、尺度、旋转和变形产生的;将三维点云{Xj}与三维点云{Yk}输入到下面的目标函数式(1)中:
E 3 D ( m , T , R ) = Σ j = 1 J Σ k = 1 K m j k | | RX j + T - Y k | | 2 - α Σ j = 1 J Σ k = 1 K m j k - - - ( 1 )
在式(1)中,E3D(m,T,A)表示关于变量m,T,A的期望值;T=[tx,ty,tz]i是平移矩阵,tx、ty、tz分别表示在x轴、y轴、z轴上的平移,i表示矩阵的转置,tx、ty、tz的值来源于均匀分布U[2.5,7.5], R = r x 0 0 0 r y 0 0 0 r z 表示旋转,rx、ry、rz分别表示在x轴、y轴、z轴上的旋转,其值来源于均匀分布U[20,70];α与匹配目标有关的参数,其取值为0.2≤α≤0.5;是一个从三维点云{Xj}到三维点云{Yk}的对应矩阵,矩阵m的行不等式约束为矩阵m的列不等式约束为
式(1)中的旋转和平移写成如下形式:
R T 0 0 0 1
利用对偶数的性质将式(1)中的旋转和平移可以分别记作:
R = ( r 4 2 - ( r x , r y , r z ) i ( r x , r y , r z ) ) I + 2 ( r x , r y , r z ) ( r x , r y , r z ) i + 2 r 4 K ( r x , r y , r z )
其中,I表示单位矩阵, K ( R ) = 0 - r z r y r z 0 - r x - r y r x 0 表示变形;
进一步,将旋转和平移写成如下形式:
R=W(r)iQ(r),T=W(r)is
其中, s = ( d / 2 ) c o s ( θ / 2 ) n + s i n ( θ / 2 ) ( X j × n ) - ( d / 2 ) sin ( θ / 2 ) , r = s i n ( θ / 2 ) n c o s ( θ / 2 ) , W ( r ) = r 4 I - K ( R ) R - R i r 4 , Q ( r ) = r 4 I + K ( R ) R - R i r 4 , d为坐标系X′Y′Z′和X″Y″Z″的原点在世界坐标系下的距离,n为旋转轴的单位方向向量,θ为点{Xj}在沿着向量n的旋转角度;
因此,将目标函数式(1)写成下式:
E 3 D ( m , T , R ) = Σ j = 1 J Σ k = 1 K m j k | | W ( r ) i Q ( r ) x j + W ( r ) i s - y k | | 2 - α Σ j = 1 J Σ k = 1 K m j k - - - ( 2 )
式(2)中,xj=(Xj,0)i,yk=(Yk,0)i分别表示式(1)中的点Xj和Yk;利用矩阵变换的性质,目标函数式(2)写成下式:
E3D=riC1r+siC2s+siC3r+λ1(rir-1)+λ2(sir)(3)
其中: C 1 = - Σ j = 1 J Σ k = 1 K m j k Q ( y k ) i W ( x j ) , C 2 = 1 2 Σ j = 1 J Σ k = 1 K m j k I , C 3 = Σ j = 1 J Σ k = 1 K m j k ( W ( x j ) - Q ( y k ) ) , λ1,λ2为拉格朗日乘数;
式(3)中的对应矩阵mjk有三种取值:第一种,mjk=1,表示三维点云{Xj}中的一个点与三维点云{Yk}中最多只有1个点是完全匹配;第二种,0<mjk<1,表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是部分匹配;第三种,mjk=0,表示三维点云{Xj}中的一个点与三维点云{Yk}中的点是空匹配;
目标函数式(3)的对应矩阵m中每个mjk值的过程如下:
步骤一:通过对矩阵m进行初始化;
步骤二:对目标函数式(3)中的矩阵m进行归一化处理,得到新的矩阵m;
步骤三:将步骤二中得到的新的矩阵m代入到目标函数式(3)中,对目标函数式(3)中的参数r、s、λ1和λ2求偏导数,得到r、s、λ1和λ2的新值,并将r、s、λ1和λ2的新值代入到目标函数式(3)中;
步骤四:重复进行步骤二~步骤三,直到对应矩阵m中的元素mjk=1或mjk=0,即此时对应矩阵m中只有完全匹配和空匹配,已经没有了部分匹配;因此,对应矩阵m完成了两组三维点云的匹配。
2.根据权利要求1所述的一种三维点云匹配方法,其特征在于:
步骤一的具体实现方式为:按照均匀分布U[2.5,7.5]给定T=(tx,ty,tz)的值,按照均匀分布U[20,70]给定R的值,再使用对矩阵m进行初始化。
3.根据权利要求1所述的一种三维点云匹配方法,其特征在于:
步骤三的具体实现方式为:将步骤二中得到的新的矩阵m代入到目标函数式(3)中,对目标函数式(3)中的参数r、s、λ1和λ2求偏导数,得到如下方程组(4):
∂ E 3 D ∂ r = 0 ∂ E 3 D ∂ s = 0 ∂ E 3 D ∂ λ 1 = 0 ∂ E 3 D ∂ λ 2 = 0 - - - ( 4 )
这是关于参数r、s、λ1和λ2的方程组,解该方程组(4)得到r、s、λ1和λ2的新值,并将r、s、λ1和λ2的新值代入到目标函数式(3)中。
CN201510889575.8A 2015-12-05 2015-12-05 一种三维点云匹配方法 Expired - Fee Related CN105488535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510889575.8A CN105488535B (zh) 2015-12-05 2015-12-05 一种三维点云匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510889575.8A CN105488535B (zh) 2015-12-05 2015-12-05 一种三维点云匹配方法

Publications (2)

Publication Number Publication Date
CN105488535A true CN105488535A (zh) 2016-04-13
CN105488535B CN105488535B (zh) 2018-06-05

Family

ID=55675506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510889575.8A Expired - Fee Related CN105488535B (zh) 2015-12-05 2015-12-05 一种三维点云匹配方法

Country Status (1)

Country Link
CN (1) CN105488535B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403468A (zh) * 2017-07-22 2017-11-28 上海北冕信息科技有限公司 一种相似变换三维物体间的鲁棒注册算法
CN109255815A (zh) * 2018-08-30 2019-01-22 天津理工大学 一种基于零阶球谐函数的物体检测与识别方法
CN109741374A (zh) * 2019-01-30 2019-05-10 重庆大学 点云配准旋转变换方法、点云配准方法、设备及可读存储介质
WO2020168620A1 (zh) * 2019-02-19 2020-08-27 曜科智能科技(上海)有限公司 平面几何一致性检测方法、计算机设备、及存储介质
US20230215100A1 (en) * 2021-12-30 2023-07-06 Electronics And Telecommunications Research Institute Method and apparatus for matching 3d point cloud using a local graph

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101847262A (zh) * 2010-05-19 2010-09-29 北京航空航天大学 一种快速三维点云搜索匹配方法
US20140133790A1 (en) * 2011-03-14 2014-05-15 Valeo Schalter Und Sensoren Gmbh Bearing assembly of a steering column lever on a steering column part, and motor vehicle with such a bearing assembly
CN104123724A (zh) * 2014-07-09 2014-10-29 华北电力大学 一种3d点云物体的快速检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101847262A (zh) * 2010-05-19 2010-09-29 北京航空航天大学 一种快速三维点云搜索匹配方法
US20140133790A1 (en) * 2011-03-14 2014-05-15 Valeo Schalter Und Sensoren Gmbh Bearing assembly of a steering column lever on a steering column part, and motor vehicle with such a bearing assembly
CN104123724A (zh) * 2014-07-09 2014-10-29 华北电力大学 一种3d点云物体的快速检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YANPENG CAO ET AL.: ""Robust alignment of wide baseline terrestrial laser scans via 3D viewpoint normalization"", 《2011 IEEE WORKSHOP ON APPLICATIONS OF COMPUTER VISION》 *
朱素杰 等: ""一种基于相位的立体匹配算法"", 《工业仪表与自动化装置》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403468A (zh) * 2017-07-22 2017-11-28 上海北冕信息科技有限公司 一种相似变换三维物体间的鲁棒注册算法
CN109255815A (zh) * 2018-08-30 2019-01-22 天津理工大学 一种基于零阶球谐函数的物体检测与识别方法
CN109255815B (zh) * 2018-08-30 2019-11-12 天津理工大学 一种基于零阶球谐函数的物体检测与识别方法
CN109741374A (zh) * 2019-01-30 2019-05-10 重庆大学 点云配准旋转变换方法、点云配准方法、设备及可读存储介质
CN109741374B (zh) * 2019-01-30 2022-12-06 重庆大学 点云配准旋转变换方法、点云配准方法、设备及可读存储介质
WO2020168620A1 (zh) * 2019-02-19 2020-08-27 曜科智能科技(上海)有限公司 平面几何一致性检测方法、计算机设备、及存储介质
US20230215100A1 (en) * 2021-12-30 2023-07-06 Electronics And Telecommunications Research Institute Method and apparatus for matching 3d point cloud using a local graph

Also Published As

Publication number Publication date
CN105488535B (zh) 2018-06-05

Similar Documents

Publication Publication Date Title
CN107122705B (zh) 基于三维人脸模型的人脸关键点检测方法
CN105488535B (zh) 一种三维点云匹配方法
CN107133989B (zh) 一种三维扫描系统参数标定方法
CN105300316B (zh) 基于灰度重心法的光条中心快速提取方法
CN102663767B (zh) 视觉测量系统的相机参数标定优化方法
CN105046694B (zh) 一种基于曲面拟合系数特征的点云快速配准方法
CN105118059A (zh) 一种多尺度坐标轴夹角特征的点云快速配准方法
CN109272537A (zh) 一种基于结构光的全景点云配准方法
CN105354841B (zh) 一种快速遥感影像匹配方法及系统
CN111145227B (zh) 一种地下隧道空间多视点云的可迭代整体配准方法
CN106408609A (zh) 一种基于双目视觉的并联机构末端运动位姿检测方法
CN111145232A (zh) 一种基于特征信息变化度的三维点云自动配准方法
CN106919944A (zh) 一种基于orb算法的大视角图像快速识别方法
CN104359464A (zh) 基于立体视觉的移动机器人定位方法
CN103456022A (zh) 一种高分辨率遥感图像特征匹配方法
CN112258588A (zh) 一种双目相机的标定方法、系统及存储介质
CN104537707A (zh) 像方型立体视觉在线移动实时测量系统
CN106248014A (zh) 一种基于单相片的三维坐标测量方法及装置
CN101901502B (zh) 光学三维测量中多视点云数据的全局优化配准方法
CN105354850A (zh) 基于电场性质的复杂曲面零件尺寸三维匹配检测方法
CN116385507A (zh) 一种基于不同尺度的多源点云数据配准方法及系统
CN109978957B (zh) 基于量子行为粒子群的双目系统标定方法
Chen et al. Calibration of stereo cameras with a marked-crossed fringe pattern
Dong et al. Illumination variation robust circular target based on digital image correlation method
CN105678088A (zh) 一种靶标测头的平差优化算法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160919

Address after: Hainan province Sanya City Yucai Road 572022 No. 1

Applicant after: HAINAN TROPICAL OCEAN UNIVERSITY

Address before: 150000 Heilongjiang University of science and technology, 2468 Pu Yuan Road, Harbin, Heilongjiang, Songbei

Applicant before: Qiao Fu

GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20160413

Assignee: Harbin Zhi Da Science and Technology Development Co., Ltd.

Assignor: Hainan Tropical Ocean University

Contract record no.: 2018230000036

Denomination of invention: Three-dimensional point cloud matching method

Granted publication date: 20180605

License type: Exclusive License

Record date: 20180704

EE01 Entry into force of recordation of patent licensing contract
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180605

Termination date: 20191205

CF01 Termination of patent right due to non-payment of annual fee